Buchumschlag

Efficient Graph Laplacian Estimation by Proximal Newton

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Medvedovsky, Yakov, Treister, Eran, Routtenberg, Tirza
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Recovery of Sparse Graph Signals from Graph Filter Outputs
von: Morgenstern, Gal, et al.
Veröffentlicht: (2024)

Stochastic Newton Proximal Extragradient Method
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

PINS: Proximal Iterations with Sparse Newton and Sinkhorn for Optimal Transport
von: Wu, Di, et al.
Veröffentlicht: (2025)

A Proximal Modified Quasi-Newton Method for Nonsmooth Regularized Optimization
von: Diouane, Youssef, et al.
Veröffentlicht: (2024)

Learning Graph Laplacian with MCP
von: Zhang, Yangjing, et al.
Veröffentlicht: (2020)

Protection Against Graph-Based False Data Injection Attacks on Power Systems
von: Morgenstern, Gal, et al.
Veröffentlicht: (2023)

Locally Regularized Sparse Graph by Fast Proximal Gradient Descent
von: Sun, Dongfang, et al.
Veröffentlicht: (2024)

Cramer-Rao Bounds for Laplacian Matrix Estimation
von: Halihal, Morad, et al.
Veröffentlicht: (2025)

Error whitening: Why Gauss-Newton outperforms Newton
von: McKay, Maricela Best, et al.
Veröffentlicht: (2026)

Convergence of Muon with Newton-Schulz
von: Kim, Gyu Yeol, et al.
Veröffentlicht: (2026)

Proximal Oracles for Optimization and Sampling
von: Liang, Jiaming, et al.
Veröffentlicht: (2024)

Improving Stochastic Cubic Newton with Momentum
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2024)

Sharpened Lazy Incremental Quasi-Newton Method
von: Lahoti, Aakash, et al.
Veröffentlicht: (2023)

Proximal Operators of Sorted Nonconvex Penalties
von: Gagneux, Anne, et al.
Veröffentlicht: (2025)

Online Newton Method for Bandit Convex Optimisation
von: Fokkema, Hidde, et al.
Veröffentlicht: (2024)

Incremental Gauss-Newton Descent for Machine Learning
von: Korbit, Mikalai, et al.
Veröffentlicht: (2024)

Accelerating Sinkhorn Algorithm with Sparse Newton Iterations
von: Tang, Xun, et al.
Veröffentlicht: (2024)

Inertial Newton Algorithms Avoiding Strict Saddle Points
von: Castera, Camille
Veröffentlicht: (2021)

qNBO: quasi-Newton Meets Bilevel Optimization
von: Fang, Sheng, et al.
Veröffentlicht: (2025)

Gauss-Newton Natural Gradient Descent for Shape Learning
von: King, James, et al.
Veröffentlicht: (2026)

Regularized Gauss-Newton for Optimizing Overparameterized Neural Networks
von: Adeoye, Adeyemi D., et al.
Veröffentlicht: (2024)

Incremental Gauss--Newton Methods with Superlinear Convergence Rates
von: Zhou, Zhiling, et al.
Veröffentlicht: (2024)

Gradient Regularized Newton Boosting Trees with Global Convergence
von: Zozoulenko, Nikita, et al.
Veröffentlicht: (2026)

An Inexact Weighted Proximal Trust-Region Method
von: Maia, Leandro Farias, et al.
Veröffentlicht: (2026)

Proximal basin hopping: global optimization with guarantees
von: Lauga, Guillaume, et al.
Veröffentlicht: (2026)

Stabilized Proximal-Point Methods for Federated Optimization
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2024)

Quasi-Newton Compatible Actor-Critic for Deterministic Policies
von: Kordabad, Arash Bahari, et al.
Veröffentlicht: (2025)

Higher-Order Newton Methods with Polynomial Work per Iteration
von: Ahmadi, Amir Ali, et al.
Veröffentlicht: (2023)

Gauss-Newton Temporal Difference Learning with Nonlinear Function Approximation
von: Ke, Zhifa, et al.
Veröffentlicht: (2023)

A Smoothing Newton Method for Rank-one Matrix Recovery
von: Maunu, Tyler, et al.
Veröffentlicht: (2025)

Incremental Quasi-Newton Methods with Faster Superlinear Convergence Rates
von: Liu, Zhuanghua, et al.
Veröffentlicht: (2024)

Simple Stepsize for Quasi-Newton Methods with Global Convergence Guarantees
von: Agafonov, Artem, et al.
Veröffentlicht: (2025)

Proximal Point Method for Online Saddle Point Problem
von: Meng, Qing-xin, et al.
Veröffentlicht: (2024)

Proximal-Based Generative Modeling for Bayesian Inverse Problems
von: Zhang, Boyang, et al.
Veröffentlicht: (2026)

Convergence Rate of the Last Iterate of Stochastic Proximal Algorithms
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

Online Covariance Matrix Estimation in Sketched Newton Methods
von: Kuang, Wei, et al.
Veröffentlicht: (2025)

Newton-CG methods for nonconvex unconstrained optimization with Hölder continuous Hessian
von: He, Chuan, et al.
Veröffentlicht: (2023)

Unified Convergence Theory of Stochastic and Variance-Reduced Cubic Newton Methods
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2023)

A Specialized Semismooth Newton Method for Kernel-Based Optimal Transport
von: Lin, Tianyi, et al.
Veröffentlicht: (2023)

A Multi-objective Newton Optimization Algorithm for Hyper-Parameter Search
von: Xu, Qinwu
Veröffentlicht: (2024)